榜单
服务器优惠
AI论文
-
特性
特性 速度和内存使用的优化 稀疏优化 准确率的优化 Leaf-wise (Best-first) 的决策树生长策略 类别特征值的最优分割 网络通信的优化 并行学习的优化 特征并行 传统算法 LightGBM 中的特征并行 数据并行 传统算法 LightGBM中的数据并行 投票并行 GPU 支持 应用和度量 其他特性 Refe... -
Model Zoo
Model Zoo Introduction Background Concepts The Design Versioning and Releasing Develop Custom Model Definition Release the Model Repo Docker Image Use the Model Repo Docker I... -
Institutional FAQ
Institutional FAQ For Management Briefly, what problem does Dask solve for us? Is Dask mature? Why should we trust it? Who else uses Dask? How does Dask compare with Apache Spar... -
Design for Allreduce-based Training Support
Design for Allreduce-based Training Support Motivation Design Components Fault-tolerant Allreduce Implementation Allreduce-based Training in ElasticDL Gradients Averaging and Mod... -
三、LightGBM
三、LightGBM 3.1 原理 3.1.1 GOSS 3.1.1.1 算法 3.1.1.2 理论 3.1.2 EFB 3.1.2.1 互斥特征发现 3.1.2.2 互斥特征打包 3.2 优化 3.2.1 histogram 算法 3.2.2 leaf-wise 生长策略 3.2.3 直方图做差加速 3.2.4 直接支持 categor... -
2.3 监督学习 III
2.3 监督学习 III 非参数学习器 K 最近邻（KNN） 距离度量：定义和计算“邻近性” 选取k ：使用交叉验证调优超参数 K 的较高值防止过拟合 真实世界中使用 KNN 的地方 决策树和随机森林 泰坦尼克数据集 选择决策树中的分割 随机森林：决策树的集成 之后，我们就完成了监督学习的学习 练习材料和扩展阅读 2.3a 实现 KNN... -
参数
参数 参数格式 核心参数 用于控制模型学习过程的参数 IO 参数 目标参数 度量参数 网络参数 GPU 参数 模型参数 其他 持续训练输入分数 权重数据 查询数据 参数 这个页面包含了 LightGBM 的所有参数. 一些有用的链接列表 Python API Parameters Tuning 外部链接 ... -
2.2 参数
2.2 参数 2.2.1 核心参数 2.2.2 学习控制参数 2.2.3 IO 参数 2.2.4 目标函数的参数 2.2.5 度量参数 2.2.6 网络参数 2.2.7 GPU 参数 2.2.8 模型参数 2.2 参数 参数的格式为key1=value1 key2=value2... 。 （注意：这里是针对lightgbm 可执行程... -
后记：一个吃货和一道菜的故事
一个吃货和一道菜的故事 一，一个吃货转行算法的心路历程 二，吃货为什么要写这本书？ 三，吃货写的这本书怎么样？ 四，如何获取吃货写的这本书? 五，鼓励和联系这个吃货 一个吃货和一道菜的故事 《30天吃掉那只TensorFlow2》这本书已经全部整理完稿。本篇文章算是这本书的一个后记。 本文介绍了一个吃货与算法结缘的故事，并介绍了本书的写作...